Buchumschlag

Physics-informed features in supervised machine learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lampani, Margherita, Guastavino, Sabrina, Piana, Michele, Benvenuto, Federico
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis 68Q32, 62J07, 65J20
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Greedy feature selection: Classifier-dependent feature selection via greedy methods
von: Camattari, Fabiana, et al.
Veröffentlicht: (2024)

Least squares approximations in linear statistical inverse learning problems
von: Helin, Tapio
Veröffentlicht: (2022)

Sampling Distributions as Regularization in Learned Inverse Problems
von: Babyale, Sandra R., et al.
Veröffentlicht: (2026)

A short tour of operator learning theory: Convergence rates, statistical limits, and open questions
von: Brugiapaglia, Simone, et al.
Veröffentlicht: (2026)

A Special Case of Quadratic Extrapolation Under the Neural Tangent Kernel
von: Kim, Abiel
Veröffentlicht: (2025)

Markov Chain Gradient Descent in Hilbert Spaces
von: Roy, Priyanka, et al.
Veröffentlicht: (2024)

Gradient Descent Algorithm in Hilbert Spaces under Stationary Markov Chains with $ϕ$- and $β$-Mixing
von: Roy, Priyanka, et al.
Veröffentlicht: (2025)

Error Bounds for Learning with Vector-Valued Random Features
von: Lanthaler, Samuel, et al.
Veröffentlicht: (2023)

Machine Collaboration
von: Liu, Qingfeng, et al.
Veröffentlicht: (2021)

Operator Learning Using Random Features: A Tool for Scientific Computing
von: Nelsen, Nicholas H., et al.
Veröffentlicht: (2024)

On recovering the Radon-Nikodym derivative under the big data assumption
von: Myleiko, Hanna, et al.
Veröffentlicht: (2025)

Online Regularized Learning Algorithms in RKHS with $β$- and $ϕ$-Mixing Sequences
von: Roy, Priyanka, et al.
Veröffentlicht: (2025)

Near-optimal learning of Banach-valued, high-dimensional functions via deep neural networks
von: Adcock, Ben, et al.
Veröffentlicht: (2022)

Density estimation for elliptic PDE with random input by preintegration and quasi-Monte Carlo methods
von: Gilbert, Alexander D., et al.
Veröffentlicht: (2024)

Neural Pushforward Samplers for the Fokker-Planck Equation on Embedded Riemannian Manifolds
von: He, Andrew Qing, et al.
Veröffentlicht: (2026)

New Equivalences Between Interpolation and SVMs: Kernels and Structured Features
von: Kaushik, Chiraag, et al.
Veröffentlicht: (2023)

How Regularization Terms Make Invertible Neural Networks Bayesian Point Estimators
von: Heilenkötter, Nick
Veröffentlicht: (2025)

One Operator for Many Densities: Amortized Approximation of Conditioning by Neural Operators
von: Tsimpos, Panos, et al.
Veröffentlicht: (2026)

$ε$-Policy Gradient for Online Pricing
von: Szpruch, Lukasz, et al.
Veröffentlicht: (2024)

A posteriori certification for neural network approximations to PDEs
von: Ernst, Lewin, et al.
Veröffentlicht: (2025)

Deep neural network yields regularization for ill-posed inverse problems
von: Zhu, Qiao, et al.
Veröffentlicht: (2026)

A Theory of Non-Acyclic Generative Flow Networks
von: Brunswic, Leo Maxime, et al.
Veröffentlicht: (2023)

Feature Understanding and Sparsity Enhancement via 2-Layered kernel machines (2L-FUSE)
von: Camattari, Fabiana, et al.
Veröffentlicht: (2025)

An operator learning perspective on parameter-to-observable maps
von: Huang, Daniel Zhengyu, et al.
Veröffentlicht: (2024)

Non-asymptotic error estimates for the Laplace approximation in Bayesian inverse problems
von: Helin, Tapio, et al.
Veröffentlicht: (2020)

RandONet: Shallow-Networks with Random Projections for learning linear and nonlinear operators
von: Fabiani, Gianluca, et al.
Veröffentlicht: (2024)

Amortized Energy-Based Bayesian Inference
von: Kaveh, Hojjat, et al.
Veröffentlicht: (2026)

A new sparsity promoting residual transform operator for Lasso regression
von: Xiao, Yao, et al.
Veröffentlicht: (2025)

Interpolation and inverse problems in spectral Barron spaces
von: Lu, Shuai, et al.
Veröffentlicht: (2025)

Why the noise model matters: A performance gap in learned regularization
von: Banert, Sebastian, et al.
Veröffentlicht: (2025)

Optimal sampling for least squares approximation with general dictionaries
von: Trunschke, Philipp, et al.
Veröffentlicht: (2024)

Spectral Algorithms under Covariate Shift
von: Fan, Jun, et al.
Veröffentlicht: (2025)

Dynamics-Encoded Deep Learning for Robust System Identification and Parameter Estimation
von: Ho, Caitlin, et al.
Veröffentlicht: (2024)

Transient anisotropic kernel for probabilistic learning on manifolds
von: Soize, Christian, et al.
Veröffentlicht: (2024)

A piecewise constant levelset approach for semi-blind deconvolution: Application to barcode decoding
von: De Cezaro, Adriano, et al.
Veröffentlicht: (2026)

Dictionary-based model reduction for state estimation
von: Nouy, Anthony, et al.
Veröffentlicht: (2023)

Solving the BGK Model and Boltzmann equation by Fourier Neural Operator with conservative constraints
von: Hu, Boyun, et al.
Veröffentlicht: (2025)

Equation-Free Coarse Control of Distributed Parameter Systems via Local Neural Operators
von: Fabiani, Gianluca, et al.
Veröffentlicht: (2025)

Analysis of a Computational Framework for Bayesian Inverse Problems: Ensemble Kalman Updates and MAP Estimators Under Mesh Refinement
von: Sanz-Alonso, Daniel, et al.
Veröffentlicht: (2023)

GAN-based iterative motion estimation in HASTE MRI
von: Feinler, Mathias S., et al.
Veröffentlicht: (2024)